ارائۀ یک الگوریتم ژنتیک با مرتب‎سازی نامغلوب ـ نسخۀ 2 (NSGA-II) برای مدل یکپارچۀ انتخاب اعضای تیم‎های تحقیق و توسعه

معیار عملکرد اصلی در سازمان‎های مبتنی بر تحقیق و توسعه، عموماً آمار پروژه ­های موفق است. انتخاب مناسب اعضا می‎تواند در موفقیت پروژه‎ها سهم بسزایی داشته باشد، اما همان‎طور که انتخاب افرادی خاص کاهش‎دهندۀ ریسک پروژه می‎شود، حضور مکرر این افراد در پروژه‎های مشابه، سبب تمرکز دانش‎شده و سازمان را با خطری جدی روبه‎رو می‎کند. بنابراین انتخاب اعضای تیم‎های تحقیق و توسعه به نحوی که زوایای کیفی پروژه و دانش سازمان، هر دو کانون توجه قرار گیرند، حائز اهمیت است. در حالت کلی این نوع مسائل جزء مسائل پیچیدۀ حوزۀ تحقیق ­در عملیات به­شمار می­رود. چون معمولاً در واقعیت تعداد ترکیبات ممکن بسیار زیاد است، روش­های بهینه ­سازی مبتنی بر شمارش یک‎به‎یک، از حل جامع این‎گونه مسائل عاجزند. به­ همین ­دلیل از الگوریتم­ های فراابتکاری، مثل الگوریتم ژنتیک، شبیه‎سازی تبرید، شبکه­ های عصبی و... برای حل استفاده می­شود. در پژوهش پیش رو، مدلی بر این اساس معرفی‎شده و یک الگوریتم ژنتیک با مرتب‎سازی نامغلوب ـ نسخۀ 2 برای حل آن توسعه داده می‎شود.